순서가 있습니다. 포털 넷(연구방·지식센터·커뮤니티·아카데미)을 먼저 담고,
SSRA 는 맨 나중에 담아 주세요. SSRA 를 먼저 담으면 나머지가 그 안에 포함된 것으로
잡혀 따로 담기지 않습니다. 아이콘도 담을 차례대로 놓았습니다 — 왼쪽부터 차례로 누르시면 됩니다.
Piotr Bojanowski, Édouard Grave, Armand Joulin 외 · Transactions of the Association for Computational Linguistics · 2017년 · 조회 12
왜 이 논문인가 — 선정 기준
RESEARCH PAPER · 후속 연구설계에 활용하기 좋은 논문 — 척도·모형·프레임워크류, 피인용 다수
2017-12 발표 · 피인용 9,646회 · 분야 내 인용 영향력 상위권 · 동년 인용 상위 1% · 참고문헌 47개
RESEARCH PAPER 슬롯에 선정된 이유는 2017년 발표 이후 9646회 인용·동년 상위 1%에 해당하는 높은 인용 영향력으로, 후속 연구 설계에 활용도가 매우 크기 때문이다.
논문 요약
대규모 비라벨 코퍼스에서 학습된 연속 단어 표현이 형태소 정보를 무시하는 한계를 극복하고자 했다. 문자 n‑gram을 bag‑of‑features 형태로 결합하는 skip‑gram 모델을 제안하여 각 n‑gram에 벡터를 할당하고, 단어를 이들의 합으로 표현한다. 이 방법은 빠른 학습을 가능하게 하고, 학습 데이터에 없는 단어에도 벡터를 생성할 수 있다. 9개 언어에 대해 의미 유사도·유추 과제에서 기존 방식보다 우수한 성능을 보였다.
후속 연구설계에 활용하기
후속 연구에서는 서브워드 기반 임베딩을 저자원 언어에 적용하거나, n‑gram 길이와 가중치 조절을 통해 새로운 평가 과제에 맞는 임베딩을 설계할 수 있다.
핵심어
단어 임베딩서브워드문자 n‑gram자연어 처리
실존 확인
이 논문은 OpenAlex에서 후보로 수집한 뒤, Crossref에 등록된 DOI와 제목 일치를 확인해 노출합니다.
SSRA가 문헌연구에서 인용 논문의 실재 여부를 검증하는 원칙과 같습니다.